Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduktion till LLM-agent system
- Koncept för LLM-agenter och multi-agent arkitektur
- Översikt över AutoGen-ramverket och ekosystemet
- Agentroller: användarproxy, assistent, funktionsanropare och mer
Installation och konfiguration av AutoGen
- Inställning av Python-miljö och beroenden
- Grundläggande konfiguration av AutoGen-konfigurationsfil
- Anslutning till LLM-leverantörer (OpenAI, Python, lokala modeller)
Agentdesign och rolltilldelning
- Förståelse för agentyper och samtalsmönster
- Definiera agentmål, promptar och instruktioner
- Rollbaserad uppgiftstilldelning och kontrollflöde
Funktionsanrop och verktygsintegrering
- Registrering av funktioner för agentanvändning
- Autonom och samarbetsbaserad funktionsutförande
- Anslutning av externa APIer och Python-skript till agenter
Samtals Management och minne
- Sessionsspårning och permanent minne
- Agenttillagentmeddelande och hantering av tokens
- Hantering av samtalskontext och historia
Slutna agentflöden
- Byggande av flerstegs samarbetsuppgifter (t.ex. dokumentanalys, kodgranskning)
- Simulering av användar-agentdialoger och beslutskedjor
- Felavhjälpning och förfinande av agentprestanda
Use Case och distribution
- Interna automatiseringsagenter: forskning, rapportering, skript
- Externa bots: chatassistenter, röstdelar
- Paketering och distribution av agentsystem i produktion
Sammanfattning och nästa steg
Krav
- En förståelse för Python-programmering
- Kännedom om stora språkliga modeller och prompt-ingenjörskonst
- Erfarenhet av API:er och automatiseringsflöden
Målgrupp
- AI-ingenjörer
- ML-utvecklare
- Automatiseringsarkitekter
21 timmar
Vittnesmål (1)
Tränare som svarar på frågor på plats.
Adrian
Kurs - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Machine Translated